Escolar Documentos
Profissional Documentos
Cultura Documentos
donde es el error asociado a la medición del valor y siguen los supuestos de modo
que (media cero, varianza constante e igual a un y con ).
El análisis de regresión lineal (r2) consiste en emplear métodos que permitan
determinar la mejor relación de dependencia funcional entre dos o más
variables relacionadas.
Como ya se mencionó la regresión lineal (r2) puede ser simple (dos variables
una “Y” y una “X”) o múltiple (más de dos variables una “Y” y muchas “X”), el
análisis de regresión lineal puede utilizarse para explorar y cuantificar la
relación entre una variable dependiente “Y” y una o más variables
independientes “X” o explicativas o predictoras.
Y = a + b * (X)
Etapas de la regresión:
Estatura Padres
H
i
j
o
s
La gráfica muestra como se distribuyen las estaturas de los hijos en una
población hipotética, dado un conjunto de valores fijos de estatura de los
padres. Note que para cualquier estatura dada de un padre existe un rango
de estaturas de los hijos y la estatura de los hijos aumenta en la medida que
aumenta la estatura de los padres, para esto se trazo una línea recta a
través de los puntos dispersos, esta línea muestra claramente como
aumenta la estatura promedio de los hijos con la estatura de los padres,
esto se conoce como línea de regresión.
*
E
s * *
t * * *
a
* * *
t
u * * *
r *
a
H
i
Ejemplo con jla
finalidad de determinar la dependencia entre la
o
productividad del
trabajo de operarios de una empresa de ensamblaje
s
(número de piezas/hora) explicado por el puntaje obtenido en un test de
destreza manual:
Datos:
X Y
10 6
20 8
30 9
40 10
50 11
60 13
70 14
80 16
Variables introducidas/eliminadas(b)
Variables Variables
Modelo introducidas eliminadas Método
1 Destreza
. Introducir
manual(a)
a Todas las variables solicitadas introducidas
b Variable dependiente: Productividad laboral
Este valor es el r2 y significa que la variable “X” tiene un muy alto valor predictivo
de “Y”, para esto apóyese en los siguientes rangos:
0 - 0,2 BAJO
0,21 - 0,4 MEDIO
0,41 - 0,6 MEDIO-ALTO
0,61 - 0,8 ALTO
0,81 - 0,99 MUY ALTO
ANOVA(b)
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 76,006 1 76,006 524,753 ,000(a)
Residual ,869 6 ,145
Total 76,875 7
a Variables predictoras: (Constante), Destreza manual
b Variable dependiente: Productividad laboral
Coeficientes(a)
Coeficientes
Coeficientes no estandarizado
estandarizados s
Graficamente:
18
16
14
12
10
8
Productividad laboral
0
0 20 40 60 80 100
Destreza manual
Esta grafica me muestra los valores reales entregados de “Y”, luego usted debe
aplicar la ecuación de regresión a la gráfica y aparecerán los valores de “Y” que
predice la ecuación de regresión y se llama línea de regresión y se obtiene de la
siguiente manera:
Doble clic sobre el grafico para modificarlo luego seleccione la opción diseño y
opciones:
Aparecerá la siguiente tabla, en donde debe seleccionar con un clic en ajustar línea
la opción total y luego aceptar
18
16
14
12
10
4
PRODUCTI
0
0 20 40 60 80 100
DESTREZA
16
14
12
10
4
PRODUCTI
0
0 20 40 60 80 100
DESTREZA
La línea curva que está más cerca de la línea recta central corresponde a los
intervalos de confianza del 95% del promedio de la predicción (o entiéndalo
como el rango en que se pueden encontrar en la población los valores que se
predicen con la ecuación de regresión) o sea indica que en la población los
valores de la predicción de la regresión poblacional se podrían encontrar en
ese intervalo de confianza (o rango)
18
16
14
12
10
4
PRODUCTI
0
0 20 40 60 80 100
DESTREZA
Datos:
X Y
20 6
30 8
40 9
50 10
55 11
60 13
65 14
70 16
Variables introducidas/eliminadas(b)
Variables Variables
Modelo introducidas eliminadas Método
1 Atención a los
. Introducir
detalles(a)
a Todas las variables solicitadas introducidas
b Variable dependiente: Productividad laboral
Interprete:_______________________________________________
________________________________________________________
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 72,533 1 72,533 100,227 ,000(a)
Residual 4,342 6 ,724
Total 76,875 7
a Variables predictoras: (Constante), Atención a los detalles
b Variable dependiente: Productividad laboral
Interprete:_______________________________________________
________________________________________________________
Coeficientes(a)
Coeficientes
Coeficientes no estandarizado
estandarizados s
Interprete:_______________________________________________
________________________________________________________
18
16
14
12
10
8
Productividad laboral
0
0 10 20 30 40 50 60 70 80
Interprete:_______________________________________________
________________________________________________________
Cómo ve la variabilidad de los datos de la muestra “Y” en relación al intervalo de
confianza poblacional.